.png){kind=icon}
返回
Gradient and parameter sensitivity estimation for systems evaluated using Monte Carlo analysis
.png){kind=icon}
PRE
AI
DOI：10.1016/j.ress.2005.04.005.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
许多实际系统的性能评估只能通过计算密集型的蒙特卡洛模拟来处理。尽管已经提出了许多专业技术，但通常，估计结果对参数变化的敏感性涉及重复模拟和每个感兴趣参数的有限差异。先前概述了用于梯度灵敏度估计的近似技术。当性能函数是单模态的并且在感兴趣区域中相对平滑时，这是适当的。它通过将蒙特卡洛模拟运行结果转换为由简化响应面定义的近似分析问题来同时生成所有梯度。然后立即跟随梯度。不需要额外的模拟运行。在本文中，该方法被扩展到非正态随机变量以及随机变量均值和标准差的参数灵敏度的估计。给出了一些说明性示例，并与常规蒙特卡洛计算的灵敏度进行了比较。还考虑了定义可容许解区域的约束函数的影响。（c）2005 Elsevier Ltd.版权所有。
Keyword:
Monte Carlo
simulation
gradients
parameters
sensitivities
system performance
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
R
IF:
11
论文数:
9.0K
被引数:
4.2W
机构
暂无机构信息
.png){kind=icon}
